基于双信息源的协同过滤算法研究
为了解决数据稀疏性、针对具有专门知识背景和交互性强的项目推荐，本文提出基于双信息源模式的协同过滤算法(Dual Information SourceModel-Based Collaborative Filtering Algorithms，DISCF)，该方法判断活动用户对目标项目的兴趣程度建立在两个推荐组——相似用户推荐组(最近邻居集合)与专家推荐组基础上，把两个推荐组的建议结合起来，形成可靠的信息源，然后，分析各自影响活动用户对目标项目的权重，计算活动用户的最终兴趣度，实现系统推荐。
协同过滤 双信息源 可信度 平均绝对偏差 数据稀疏性 最近邻居集合
董全德
合肥工业大学计算机与信息学院,安徽合肥 230009 宿州学院计算机科学与技术系,安徽宿州 234000
国内会议
南宁
中文
427-433
2009-07-17（万方平台首次上网日期，不代表论文的发表时间）